[发明专利]一种多源关联数据的预警预测方法、存储介质及电子设备

权利要求书

1.一种多源关联数据的预警预测方法，应用于水电站的技术供水系统，其特征在于，所述方法包括：

基于经过预处理的多组技术供水系统参数输入至技术供水系统趋势预测模型，获得温度趋势参数和流量趋势参数，其中，所述温度趋势参数用于表述所述技术供水系统中的轴瓦温度变化趋势，所述流量趋势参数用于表述所述技术供水系统中的流量变化趋势；

根据所述温度趋势参数和所述流量趋势参数判断轴瓦温度是否超过预设阈值，若是，使用轴承冷却水流量优化分配模型自动优化调节冷却水流量。

2.根据权利要求1所述的多源关联数据的预警预测方法，其特征在于，所述技术供水系统趋势预测模型包括：技术供水系统故障预测模型和轴瓦温度预测模型，所述技术供水系统故障预测模型用于根据所述多组技术供水系统参数的变化趋势预测所述技术供水系统可能出现的故障，所述轴瓦温度预测模型用于根据所述多组技术供水系统参数的变化趋势预测所述技术供水系统中的轴瓦温度变化趋势。

3.根据权利要求2所述的多源关联数据的预警预测方法，其特征在于，建立所述技术供水系统故障预测模型，包括：

分析多组技术供水系统参数间的相关性，获得多组相关系数；

将多组技术供水系统参数作为训练集以及所述多组相关系数同时输入至若干个第一机器学习模型进行训练建模，获得技术供水系统故障预测训练模型，其中，所述第一机器学习模型包括：基于线性回归惩罚系数的Lasso回归算法模型、随机森林算法模型及可扩展梯度提升树正则化算法模型；

将多组技术供水系统参数作为测试集输入所述技术供水系统故障预测训练模型以评估模型的泛化能力，获得所述技术供水系统故障预测模型，其中，所述训练集与所述测试集为不同时间内的多组技术供水系统参数。

4.根据权利要求2所述的多源关联数据的预警预测方法，其特征在于，建立所述轴瓦温度预测模型，包括：

分析所述多组技术供水系统参数的时间序列平稳性，确定所述技术供水系统参数的差分阶数；以及根据多组技术供水系统参数的所述相关系数，确定多组技术供水系统参数的转换系数；

将多组经过特征处理的技术供水系统参数作为训练集输入至若干个第二机器学习模型进行训练建模，以及将所述多组技术供水系统参数处理成时间序列模型的时间序列格式，并输入至基于技术供水系统参数中的温度参数初始化的时间序列模型中，基于若干个第二机器学习模型与时间序列模型的映射关系，获得轴瓦温度预测模型，其中，所述第二机器学习模型包括：基于线性回归惩罚系数的Lasso回归算法模型、随机森林算法模型及可扩展梯度提升树正则化算法模型。

5.根据权利要求4所述的多源关联数据的预警预测方法，其特征在于，所述基于经过预处理的多组技术供水系统参数输入至技术供水系统趋势预测模型，获得温度趋势参数和流量趋势参数，包括：

将经过预处理的多组技术供水系统参数同时输入至所述技术供水系统故障预测模型和所述轴瓦温度预测模型进行预测；

建立预测结果评估模型，对所述技术供水系统故障预测模型和所述轴瓦温度预测模型的预测结果进行评估，选取最优预测模型；

根据所述最优预测模型的输出值确定出所述温度趋势参数和所述流量趋势参数。

6.根据权利要求1所述的多源关联数据的预警预测方法，其特征在于，建立所述轴承冷却水流量优化分配模型，包括：

分析所述技术供水系统中的轴承冷却器冷却管的流量与轴瓦温度间的关系，建立轴瓦温度与流量特征因素相关的关系树图谱；

基于多组所述技术供水系统参数以及轴瓦温度与流量特征因素相关的关系树图谱，使用若干种第三机器学习模型进行建模并进行训练和测试，获得所述轴承冷却水流量优化分配模型，其中，所述第三机器学习模型包括岭回归算法模型、随机森林算法模型及可扩展梯度提升树正则化算法模型。